Manipular gràfics

class: center, middle, inverse, title-slide

# Manipular gràfics
## Tècniques de Recerca
### 2021-2022

---

### Recapitulant ggplot2

<br>

```r
ggplot(data = marc_de_dades,
       aes(estetic = variable ...), estetic = fixat) +
  geom_xxx(aes(estetic = variable ...), estetic = fixat)) + 
  facet_xxx() +
  altres_opcions
```

---

### Alguns principis

- Mostrar les dades

- Minimitzar elements innecessaris (els que no són dades o no serveixen per interpretar-les)

- Facilitar les comparacions

- Usar el color i altres elements per centrar l'atenció en el missatge

- Usar posició i longitud en lloc d'àrea o angle per comparar quantitats

- Centrar-se en el missatge

---

### Tipus de representacions

Alguns tipus són més fàcils d'avaluar/interpretar que altres:

<br>

.center[_De més a menys fàcil_]

![](data:image/png;base64,#img/cleveland-types.png)

---
background-image: url(data:image/png;base64,#img/channels-vertical.png)
background-size: contain

.left-column[De més a menys fàcil]

---

### Evitar els gràfics circulars

<br>

.pull-left[
![](data:image/png;base64,#img/pie-3d.jpg)
]

.pull-right[
![](data:image/png;base64,#img/pie-to-bar.png)
]

---

### Ènfasi

![](data:image/png;base64,#img/red-bar.png)

---

### Missatge

<br>

![](data:image/png;base64,#img/time-series-story.png)

---

### Facilitar les comparacions

---

### Personalitzant l'aparença dels gràfics

Avui veurem algunes funcions noves:

- `labs()`

- `scale_xxx()`

- `guides()`

- `theme()`

---

### Etiquetes amb `labs()`

```r
ggplot(...) +
  labs(title = "Títol", 
       subtitle = "Subtítol", 
       caption = "Nota al peu")
```

---

### Etiquetes amb `labs()`

Controla els títols de totes les variables incloses als estètics `aes()`:

```r
gapminder %>% 
  ggplot(aes(gdpPercap, lifeExp, color = continent, size = pop)) + 
  geom_point() + 
  labs(title = "Relació entre renda i esperança de vida",
       subtitle = "La gent viu més temps als països més rics",
       caption = "Font: gaminder",
*      x = "Renda per càpita",
*      y = "Esperança de vida",
*      color = "Continent",
*      size = "Població")
```

---

### Etiquetes amb `labs()`

---

### Eliminar etiquetes

```r
gapminder %>% 
  ggplot(aes(x = factor(year), y = lifeExp)) +
           geom_boxplot() +
  labs(title = "Evolució de l'esperança de vida",
*      x = NULL,
*      y = NULL)
```

---

### Exercici

Reproduïu aquest gràfic:

---

### Escales amb `scale_xxx()`

Aquestes funcions permeten controlar la presentació i el format de les escales dels estètics assignats a les variables.

El nom de les diferents funcions segueix l'esquema següent:

.center[`scale_estètic_escala`]

On:

- **estètic:** nom de l'estètic assignat, per ex. `x`, `y`, `color`, `fill`, `shape`, `size`, `alpha`, etc.

- **escala:** nom de l'escala o tipus de variable, per ex. `continuous`, `discrete`, `log10`, etc.

---

### Escales amb `scale_xxx()`

**ggplot** afegeix automàticament unes escales per defecte.

Quan introduïm:

```r
gapminder %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp, color = continent)) +
  geom_point()
```

Automàticament inclou les escales següents:

```r
gapminder %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp, color = continent)) +
  geom_point() + 
* scale_x_continuous() +
* scale_y_continuous() +
* scale_color_discrete()
```

Però podem modificar els valors per defecte especificant els arguments o canviant la funció.

---

### Eixos

L'argument `breaks` permet canviar les marques dels eixos.

```r
gapminder %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp, color = continent)) +
  geom_point() + 
* scale_x_continuous(breaks = c(25000, 50000, 75000, 100000)) +
* scale_y_continuous(breaks = seq(30, 80, 10))
```

---

### Eixos

Amb l'argument `labels` també podem modificar les etiquetes de les marques:

```r
gapminder %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp, color = continent)) +
  geom_point() + 
  scale_x_continuous(breaks = c(50000, 100000), 
*                    labels = c("50mil", "100mil"))
```

---

### Eixos

I podem substituir les escales, habitualment les dels eixos i les dels colors.

```r
gapminder %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp, color = year)) +
  geom_point() + 
* scale_x_log10()
```

---

### Exercici

Refeu el gràfic anterior modificant l'eix `y` de manera que hi hagi marques de 30 a 80 anys en intervals de 10 anys.

---

### Exercici

Què hem d'afegir a aquest codi per fer que els punts siguin tots .bg-red[vermells]?

```r
gapminder %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp)) +
  geom_point() + 
  scale_x_log10() 
```

---

### Colors

- Per als estètics `color` i `fill`, **ggplot** fa servir una sèrie de _paletes_ per defecte en funció del tipus de variable (contínua o discreta)

- Quan es tracta de valors **discrets**, podem fixar els colors de forma manual amb l'argument `values` de les funcions `scale_color_manual` i `scale_fill_manual`

- Identifiquem els colors amb la funció `c()`, pel seu nom i entre cometes

- Noms dels colors: http://www.stat.columbia.edu/~tzheng/files/Rcolor.pdf

---

### Colors manualment

Argument `values`: cal indicar un color per a cada categoria de la variable que hem assignat a l'estètic, en el mateix ordre de les categories.

```r
gapminder %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp, color = continent)) +
  geom_point() +
* scale_color_manual(values = c("gold", "red", "green", "purple", "blue"))
```

---

### Colors manualment

Argument `labels`: si volem canviar els noms assignats a les categories.

```r
gapminder %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp, color = continent)) +
  geom_point() +
  scale_color_manual(values = c("gold", "red", "green", "purple", "blue"), 
*                    labels = c("Àfrica", "Amèrica", "Àsia", "Europa", "Oceania"))
```

---

### Altres paletes

També podem usar les paletes de [ColorBrewer](https://colorbrewer2.org/), de tipus divergent, seqüencial, qualitatiu:

---

### Paletes per a variables categòriques (o discretes)

Amb les funcions `scale_color_brewer()` i `scale_fill_brewer()`

```r
gapminder %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp, color = continent)) +
  geom_point() +
* scale_color_brewer(palette = "Set1")
```

---

### Paletes per a variables contínues (o ordinals)

Amb les funcions `scale_color_distiller()` i `scale_fill_distiller()`

```r
gapminder %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp, color = year)) +
  geom_point() + 
  scale_x_log10() +
* scale_color_distiller(palette = "YlOrRd", direction = 1)
```

---

### Exercici

Canvieu els colors d'aquest gràfic, manualment o amb una paleta.

```r
library(titanic, package = "radiant.data")
titanic %>% 
  ggplot(aes(x = embarked, fill = survived)) + 
  geom_bar(position = "fill")
```

---

### Eliminar escales redundants

```r
gapminder %>% 
  ggplot(aes(x = lifeExp, fill = continent)) +
  geom_histogram() +
  facet_wrap(~ continent)
```

---

### Eliminar escales redundants

```r
gapminder %>% 
  ggplot(aes(x = lifeExp, fill = continent)) +
  geom_histogram() +
  facet_wrap(~ continent) + 
* guides(fill = "none")
```

---

### Temes

- Conjunt de funcions que permeten manipular els aspectes del gràfic no directament relacionats amb les dades: llegenda, fons, línies de divisió, etc.

- A més del tema per defecte, hi ha una sèrie de temes predeterminats:

---

### Temes predeterminats

Només cal afegir la funció `theme_xxx()` amb el tema escollit:

```r
gapminder %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp, color = continent)) +
  geom_point() + 
* theme_light()
```

---

### Canviar la llegenda de posició

- S'ha de fer dins de la funció `theme_xxx()` escollida, o de la funció `theme()` si fem servir el tema predeterminat

- Amb l'argument `legend.position` que pot ser `"left"`, `"right"`, `"top"` o `"bottom"`

```r
gapminder %>% 
  ggplot(aes(x = gdpPercap, y = lifeExp, color = continent)) +
  geom_point() +
  theme(legend.position = "bottom")
```

---

### Exercici

- Instal·leu i carregueu el paquet **palmerpenguins**

- Inspeccioneu el marc de dades `penguins`

.pull-left[
![](data:image/png;base64,#img/penguins-species.png)
]

.pull-right[
![](data:image/png;base64,#img/penguins-bill.png)
]

- Feu un gràfic amb aquestes dades que inclogui dos o tres variables

- Personalitzeu els títols, etiquetes, tema, etc.